Cách Siêu Máy Tính Có Thể Hỗ Trợ Giải Quyết Vấn Đề Cháy Rừng Của Chúng Ta năm 2025

Cháy rừng là sự hỗn loạn. Lửa không quan tâm nó phá hủy cái gì hoặc giết chết ai—nó lan truyền mà không có lòng thương hại, để lại hủy diệt toàn bộ, như tháng này mà các đám cháy Camp và Woolsey ở California đã thể hiện một cách ấn tượng.

Nhưng đến một mức độ lớn, lửa là có thể dự đoán. Nó tuân theo những quy tắc nhất định và ưa thích những nhiên liệu nhất định cũng như theo những mô hình gió nhất định. Điều đó có nghĩa là lửa di chuyển với sự phức tạp mà các nhà khoa học có thể phân tích từng chút một, nhờ vào máy laser, cảm biến tinh tế và một số máy tính mạnh mẽ nhất trên hành tinh. Chúng ta không thể chấm dứt cháy rừng hoàn toàn, nhưng thông qua việc hiểu rõ hơn về động lực của chúng, lý tưởng là chúng ta có thể ngăn chặn một thảm họa như sự hủy hoại của Paradise từ việc xảy ra lần nữa.

Có thể nói rằng cháy rừng là thảm họa tự nhiên phức tạp nhất, bởi vì nó là kết quả của điều kiện khí quyển—rất phức tạp từ chính nó—và là người điều khiển của điều kiện khí quyển. Ví dụ, đám cháy gần đây ở California được thúc đẩy bởi gió nóng, khô từ phía đông. Những cơn gió này làm khô cả cây cỏ đã khô do thiếu mưa, tạo nên những đám hỏa hoạn cháy mạnh hơn và di chuyển nhanh chóng hơn.

Tuy nhiên, cháy rừng cũng tạo ra các mô hình thời tiết riêng của chúng. Những ngọn lửa tạo ra không khí nóng, nó sẽ nâng lên. “Bạn có thể tưởng tượng nếu có điều gì đó di chuyển từ bề mặt lên, phải có một loại chuyển động ngang của không khí điền vào khoảng trống” gần mặt đất, theo lời của Adam Kochanski, một nhà khoa học khí tượng tại Đại học Utah. Do đó, ngọn lửa hút vào nó gió từ mặt đất.

Cháy rừng chưa có sự tương đương của một mô hình tổng thể để giải thích hành vi của chúng. Những yếu tố góp phần thực sự khác nhau, và hoạt động trên các quy mô khác nhau—động lực không khí là một yếu tố, độ khô của thảm thực vật địa phương là một yếu tố khác.

“Đó là điều thực sự khó khăn từ góc độ mô hình,” nói Kochanski. Bạn không thể hy vọng mô phỏng một đám cháy rừng có diện tích 50 dặm vuông với độ phân giải hàng milimét. Vì vậy, các nghiên cứu viên như Kochanski đơn giản hóa mọi thứ. “Chúng tôi không thực sự đi vào việc xem xét làm thế nào mỗi ngọn lửa đốt cháy từng cái cây và cách nó tiến triển. Không, chúng tôi giả định nhiên liệu khá đồng đều.”

Tuy nhiên, sự tiến bộ trong lĩnh vực máy tính đang cho phép các nhà nghiên cứu xử lý lượng dữ liệu ngày càng lớn. Tại Viện Nghiên cứu Quốc gia Los Alamos, nhà khoa học khí tượng Alexandra Jonko đang sử dụng siêu máy tính và hệ thống có tên FIRETEC để mô phỏng cháy rừng chi tiết cực kỳ. Nó mô phỏng, ngoài các yếu tố khác, mật độ không khí và nhiệt độ, cũng như các đặc tính của cỏ hoặc lá ở một khu vực cụ thể.

Jonko thực hiện một loạt các mô phỏng với các tốc độ gió khác nhau, thường trên quy mô khoảng 40 acre. “Có lẽ sẽ mất khoảng bốn giờ để mô phỏng giữa 10 và 20 phút của việc lửa lan truyền,” cô nói.

FIRETEC tạo ra dữ liệu vật lý quan trọng về động lực lửa để thông tin cho cách quản lý lửa trước đây. Điều này quan trọng để kiểm soát thảm thực vật biến thành nhiên liệu cho lửa. Các cơ quan cháy rừng biết chung về điều kiện lý tưởng—gió yếu, ví dụ—nhưng loại mô hình này có thể giúp cung cấp thông tin chi tiết hơn.

Để xác định nơi thực hiện những đám cháy này, các nhà nghiên cứu đang thử nghiệm với lidar, cùng loại công nghệ bắn laser giúp ô tô tự lái tìm đường của mình. Điều này xuất hiện dưới dạng lidar trên không, cho phép các nhà nghiên cứu hình dung cây cỏ ở chiều 3D, bổ sung bằng lidar dựa trên mặt đất, chi tiết về thực vật dưới cây cỏ.

Thông tin đó là quan trọng. “Nếu chúng ta không biết là nhiên liệu là gì, thì đó là một sự đoán tương đối lớn về việc có hay không bạn có nhiên liệu nguy hiểm tại một địa điểm,” nói Jonathan Greenberg của Đại học Nevada, Reno.

Các hình dung được tạo ra từ các loạt lidar không chỉ là tuyệt vời mà còn hữu ích. Với loại dữ liệu này trong tay, các quản lý có thể triển khai một cách chiến lược hơn các đám cháy được quy định. California đặc biệt có vấn đề nghiêm trọng với nguồn lực cháy rất cạn kiệt—trong chỉ một năm qua, tiểu bang này đã chứng kiến bảy trong số 20 đám cháy gây hậu quả nhất trong lịch sử của mình. Vì vậy, tiền bạc thường được dùng để chiến đấu liên tục với hỏa hoạn, để lại ít nguồn lực hơn cho các biện pháp tích cực như đám cháy được quy định.

Một cách khác để mô phỏng các đám cháy là sử dụng học tăng cường. Bạn có thể đã nghe về các nhà nghiên cứu sử dụng điều này để làm cho robot học—thay vì chỉ ra một cách rõ ràng cho robot biết cách làm một cái gì đó như đặt một viên gạch vuông vào lỗ vuông, bạn làm cho nó tự tìm hiểu với những chuyển động ngẫu nhiên. Theo cách này, bạn cho nó một phần thưởng số học khi nó gần đúng quá trình thao tác đúng, và một trừ điểm khi nó mắc lỗi.

Nguyên tắc này cũng có thể áp dụng cho hỏa hoạn ảo. “Điều này giống như chó của Pavlov,” nói nhà khoa học máy tính Mark Crowley của Đại học Waterloo. “Bạn cho nó một bánh quy và nó sẽ làm màn kịch đó lại.”

Crowley bắt đầu với các hình ảnh nhiệt độ vệ tinh mô tả cách đám cháy rừng đã lan rộng qua một khu vực. Hãy tưởng tượng điều này như là “mục tiêu” của đám cháy ảo, giống như mục tiêu của một con robot là đưa viên gạch vào lỗ. Phương pháp này vẫn đang ở giai đoạn đầu, và Crowley đang bận giúp đám lửa nhân tạo của mình học cách trở thành lửa. Nếu nó mô phỏng đúng cách mà một đám cháy thực sự đã di chuyển, thuật toán sẽ nhận được một phần thưởng số học—nếu không, nó sẽ bị trừ điểm. “Sau đó, theo thời gian, bạn cập nhật hàm này để nó học cách di chuyển đúng,” Crowley thêm vào. Theo một cách, anh ta có thể tạo ra một đám cháy ảo được trang bị trí tuệ nhân tạo.

Trong lĩnh vực nghiên cứu, các nhà nghiên cứu đang sử dụng một siêu máy tính tại Đại học California, San Diego để đối mặt với nguy cơ ngay lập tức từ đám cháy rừng, với một chương trình mang tên ALERTWildfire. Trên đỉnh núi khắp California, các trạm giám sát được trang bị cảm biến như camera siêu nét và cảm biến gió và độ ẩm. Nếu camera bắt gặp một đám cháy bùng phát, hệ thống có thể truyền dữ liệu khí quyển đó đến siêu máy tính, thực hiện mô phỏng thời gian thực về đám cháy cho các cơ quan cháy.

“Họ có thể thấy nơi đám cháy đang di chuyển, nó sẽ như thế nào trong tương lai gần và xa, và sau đó tiếp tục nhận cập nhật trực tiếp,” nói Skyler Ditchfield, đồng sáng lập và CEO của GeoLinks, một công ty viễn thông đã hợp tác với dự án.

Tại sao lại sử dụng một siêu máy tính? “Từ khóa kỳ diệu ở đây là nhanh,” nói Ilkay Altintas, giám đốc khoa học dữ liệu tại Trung tâm Siêu máy tính San Diego. Những đám cháy được thổi bởi gió di chuyển nhanh chóng, và càng lớn, đám cháy càng tạo ra nhiều dữ liệu. “Độ phức tạp tính toán có thể phụ thuộc vào đám cháy có kích thước lớn như thế nào, địa hình trở nên phức tạp như thế nào, thời tiết diễn ra như thế nào.”

Khi mạng phát hiện mở rộng—hiện có 85 camera được triển khai, nhưng nhà nghiên cứu hy vọng mở rộng lên hơn 1.000 camera trên khắp California—làm tăng cường thêm là lượng dữ liệu. Hiện tại, mắt người phải theo dõi luồng camera để phát hiện đám cháy, mặc dù ý tưởng là để trí tuệ nhân tạo thực hiện điều đó trong tương lai.

Công nghệ không giải quyết hết mọi vấn đề về cháy rừng—chúng ta cần phải đoàn kết để củng cố các thành phố của chúng ta, ví dụ như vậy. Nhưng với ngày càng nhiều dữ liệu và công suất tính toán, cùng với các mô hình ngày càng tốt hơn, chúng ta có thể trở nên giỏi hơn trong việc đối mặt với đe dọa từ đám cháy rừng. Lửa là sự hỗn loạn, nhưng không phải là không thể hiểu được.

Những bài viết tuyệt vời khác từ blog.mytour.vn

• Chạy 100 mét nhanh nhất mà con người có thể chạy là bao nhiêu?
• Amazon muốn bạn lập trình trí não trí tuệ nhân tạo cho chiếc ô tô nhỏ này
• Quảng cáo cuối năm của Spotify làm nổi bật những điều kỳ lạ và tuyệt vời
• Bạn có thể bóp méo cái nồi chiên không dầu ra khỏi tay lạnh của tôi
• Sân bay đã đánh bại Uber và Lyft—các thành phố nên chú ý
• Đang tìm kiếm thêm? Đăng ký nhận bản tin hàng ngày của chúng tôi và không bao giờ bỏ lỡ những câu chuyện mới nhất và tuyệt vời nhất của chúng tôi